Grille de score

Transcription

Grille de score

Construction à partir d’une régression logistique
Ricco RAKOTOMALALA
Université Lumière Lyon 2
Ricco Rakotomalala
Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/
1
PLAN
1.
Position du problème – Grille de score ?
2.
Construction à partir des coefficients de la régression logistique
3.
Processus d’affectation via le score
4.
Traitement des variables explicatives quantitatives
5.
Grille de score à partir du couplage AFCM et ADL (DISQUAL)
6.
Bibliographie
Ricco Rakotomalala
2
Construire une grille de notation des individus
indiquant leur « degré de positivité » (propension à être positif)
Ricco Rakotomalala
3
Contexte du « scoring »
Contexte : apprentissage supervisé,
• une variable cible Y binaire {+, - }
• des descripteurs tous qualitatifs (codés 0/1, codage disjonctif complet)
Exemple : apprécier les chances d’acceptation d’une demande de financement
(un crédit) d’un achat effectuée par un client [oui = +, non = -]
Motif_AppMenager Motif_Mobilier Motif_HiFi
Assurance_oui Assurance_non Acceptation
0
0
1
1
0 oui
0
1
0
0
1 non
0
1
0
0
1 non
0
1
0
1
0 oui
0
0
1
1
0 non
0
1
0
1
0 non
0
0
1
0
1 non
0
0
1
1
0 oui
0
0
1
1
0 oui
0
0
1
1
0 oui
Motif : {App. Ménager, Mobilier, Hi Fi}
Assurance : {oui, non}
Variable cible : Y =
Acceptation {+, -}
On dispose de n = 944 observations
Ricco Rakotomalala
4
Grille de score = grille de notation
Permettant d’apprécier les chances du client de se voir octroyer un crédit
La grille de notation doit être calibrée, par ex. de 0 à 100.
Motif_AppMenager
Motif_Mobilier
Motif_HiFi
Assurance_oui
Assurance_non
Note
20
0
7
80
0
Ex. 1 : client effectuant une demande pour « motif = mobilier » et ne prenant pas
d’assurance « assurance = non » se voit attribuer la note 0 + 0 = 0  il a un
minimum de chances de voir acceptée sa demande de crédit (pire cas).
Ex. 2 : client effectuant une demande pour « motif = appareil ménager » et prenant
une assurance « assurance = oui » se voit attribuer la note 20 + 80 = 100  il
maximise ses chances de voir acceptée sa demande crédit (meilleur cas).
Ricco Rakotomalala
5
Point de départ : résultats de la régression logistique [Equation LOGIT]
« Acceptation = oui » est la modalité « positive »
Attribute
constant
Coef.
1.12037
« Motif = App.Ménager »
est la modalité de référence
M otif_M obilier
-0.50059
M otif_HiFi
-0.32038
« Assurance = oui » est la
Assurance_non
-1.98367
modalité de référence
(1) EXP(Coef) = Odds-ratio  surcroit de chances d’être positif
Par rapport à ceux qui prennent une assurance, ceux qui n’en prennent pas ont 7.26 [ 1/exp(-1.98)] fois
plus de chances d’essuyer un refus que de voir leur demande acceptée.
(2) Calcul de la probabilité d’être positif (1ère version du « score »)
X : (Motif = mobilier, Assurance = non)
LOGIT = 1.12037 + (-0.50059) + (-1.98367) = -1.36389
P(Acceptation = oui / X) = 1/(1+ exp(-LOGIT)) = 0.204
NB. Le « pire cas » n’équivaut pas à
une probabilité nulle !
On dispose déjà d’un système d’évaluation et de notation, mais il est
peu intuitif, totalement abscons pour un non spécialiste…
Ricco Rakotomalala
6
Comment faire la transition ?
Coefficients de la
Grille de score
régression logistique
Attribute
constant
(Notation calibrée 0 à 100, ou 0 à 1000, etc.)
Coef.
Motif_AppMenager
Motif_Mobilier
Motif_HiFi
Assurance_oui
Assurance_non
1.12037
M otif_M obilier
-0.50059
M otif_HiFi
-0.32038
Assurance_non
-1.98367
Note
20
0
7
80
0
Accessible aux non-spécialistes
Directement exploitable en déploiement
La grille est invariante par rapport au choix
de la modalité de référence
Ricco Rakotomalala
7
A partir des coefficients de la régression logistique
Ricco Rakotomalala
8
Réécriture du LOGIT : caler la note minimale à 0
Attribute
constant
Motif_AppMenager
Motif_Mobilier
Motif_HiFi
Assurance_oui
Assurance_non
Coef.
1.12037
0.00000
-0.50059
-0.32038
0.00000
-1.98367
Etape 2 : Détection des valeurs
min des coefficients par variable
(la constante est mise de côté)
Attribute
Motif_AppMenager
Motif_Mobilier
Motif_HiFi
Assurance_oui
Assurance_non
Coef.
0.00000
-0.50059
-0.32038
0.00000
-1.98367
Minmotif = -0.50059
Minassurance = -1.98367
Etape 1 : faire apparaître
les modalités de
référence
Etape 3 : Correction par variable pour
rendre positifs tous les coefficients
Coef + |Minvariable|
Attribute
Motif_AppMenager
Motif_Mobilier
Motif_HiFi
Assurance_oui
Assurance_non
Coef.
0.50059
0.00000
0.18021
1.98367
0.00000
Les points attribués seront toujours positifs
Le minimum des points est égal à 0
Ricco Rakotomalala
9
Mise à l’échelle : caler la note maximale à 100 (ou 1000, ou 10000, etc.)
Etape 4 : identifier le maximum des points
Attribute
Motif_AppMenager
Motif_Mobilier
Motif_HiFi
Assurance_oui
Assurance_non
Coef.
0.50059
0.00000
0.18021
1.98367
0.00000
(attention si des coefs. sont > 0, maxvariable est différent de |minvariable|)
Maxmotif = 0.50059
MAXpoints =
0.50059 + 1.98367
= 2.48426
Maxassurance = 1.98367
Etape 5 : Calculer le
Etape 6 : Multiplier les points modalités
facteur de correction 
par le facteur de correction 
0.50059 x 40.25342  20
100

MAX points
100
2.48426
 40 .25342
Motif_AppMenager
Motif_Mobilier
Motif_HiFi
Assurance_oui
Assurance_non

Score
20
0
7
80
0
Les notes par modalité sont arrondies pour faciliter la lecture
Le score est calibré, il est compris entre 0 et 100
Ricco Rakotomalala
10
Reproduire le processus d’affectation basé sur le LOGIT
Calculer la valeur seuil du SCORE
Ricco Rakotomalala
11
Règle d’affectation basée sur le LOGIT
Pour un individu  à classer,
on s’appuie sur le LOGIT
Comment déterminer la
valeur seuil si on
s’appuie sur le score ?

 a0  Yˆ ( )  
a1 x1 ( )  a2 x2 ( )   
ˆ

 a0  Y ( )  

 seuil  Yˆ ( )  
SCORE ( )
ˆ

 seuil  Y ( )  
Il faut transformer la constante a0 du LOGIT en
respectant le schéma de constitution du score.
Ricco Rakotomalala
12
Calcul du seuil d’affectation
1. Chaque variable a été corrigée de |Minvariable|
2. Somme des corrections : S =  |Minvariable|
3. Seuil d’affectation avant calibrage : C = S - a0
4. Seuil d’affectation après mise à l’échelle du score : SEUIL =  x C
Attribute
constant
Motif_AppMenager
Motif_Mobilier
Motif_HiFi
Assurance_oui
Assurance_non
Coef.
1.12037
0.00000
-0.50059
-0.32038
0.00000
-1.98367
(Minmotif = -0.50059 ; Minassurance = -1.98367)
S = 0.50059 + 1.98367 = 2.48426
On reproduit à l’identique le
comportement de la régression
logistique avec la règle de décision :

 54 .9  Yˆ ( )  
SCORE ( )
ˆ

 54 .9  Y ( )  
C = 2.48426 – 1.12037 = 1.36389
SEUIL = 40.25342 x 1.36389 = 54.9
Ricco Rakotomalala
13
Discrétisation (découpage en classes) des variables quantitatives
Ricco Rakotomalala
14
Transformation des variables quantitatives en indicatrices (1)
Un arbre de décision permet de
répondre à ces spécifications
Etape 1 : découpage en classes
Comment choisir le nombre de classes ?
Comment choisir les bornes de découpage ?
Découpage en fonction de la variable cible Y !
3 intervalles avec les bornes (2030 et 3137.5)
NB. La méthode MDLPC (Fayyad & Irani, 1993) disponible dans de nombreux logiciels
(Tanagra, Weka, R [package ‘’discretization’’], etc.) est un arbre de décision avec une
règle d’arrêt spécifique à la discrétisation.
Ricco Rakotomalala
15
Transformation des variables quantitatives en indicatrices (2)
[3137.5 ; +[
[2030 ; 3137.5[
Etape 2 : codage disjonctif complet à partir des
intervalles. Attention (1), codage non imbriqué
parce qu’on ne sait pas si l’effet est monotone ; (2)
le premier intervalle sert de modalité de référence.
Régression logistique
Attribute
Coef.
constant
1.59696
REV.A : [0 ; 2030[
0.00000
REV.B : [2030 ; 3137.5[
-1.72488
REV.C : [3137.5 ; +00[
0.02628
Motif_AppMenager
0.00000
Motif_Mobilier
Motif_HiFi
Assurance_oui
Assurance_non
-0.27986
-0.10055
0.00000
-2.07249
Ricco Rakotomalala
Revenu.Menage
2264
2181
4265
4431
3008
3042
4237
8454
3797
5193
REV.B
REV.C
1
1
0
0
1
1
0
0
0
0
0
0
1
1
0
0
1
1
1
1
Grille de score
Attribute
REV.A : [0 ; 2030[
REV.B : [2030 ; 3137.5[
REV.C : [3137.5 ; +00[
Moti f_AppMena ger
Moti f_Mobi l i er
Moti f_Hi Fi
As s ura nce_oui
As s ura nce_non
Score
42
0
43
7
0
4
51
0
16
Couplage AFCM (analyse factorielle des correspondances multiples) et
ADL (analyse discriminante linéaire)
Ricco Rakotomalala
17
La méthode DISQUAL (Saporta, 1975)
Calcul en 3 étapes :
(1) AFCM sur les descripteurs
(catégoriels ou discrétisés)
(2) ADL sur une sélection (*) des
facteurs de l’AFCM
(3) Reconstitution de la fonction
de classement sur les
indicatrices originelles
(*) Il est possible de les prendre tous
(*) En ne sélectionnant que « q » premiers les plus pertinents, on peut obtenir des résultats
plus stables (on a une meilleure régularisation, c’est une forme de « nettoyage » des données)
Ricco Rakotomalala
18
DISQUAL sur acceptation de crédit
Coefficients
Appliqués aux indicatrices des variables actives
Attribute = Value
AFCM : Coefficients des fonctions
Motif = AppMenager
Motif = Mobilier
Axis_1
Axis_2
Axis_3
0.9750
-1.3746
-0.9750
-0.4900
-0.3314
0.4900
0.2617
0.7349
-0.2617
permettant d’obtenir les coordonnées
Motif = HiFi
factorielles des individus
Assurance = oui
-0.1633
0.0000
-0.1633
Assurance = non
1.5308
0.0000
1.5308
Attribute
Coef.
ADL : Fonction SCORE (obtenue par
M CA_1_Axis_1
-0.4750
différenciation des fonctions de
M CA_1_Axis_2
-0.0402
classement [oui – non]) définie sur
M CA_1_Axis_3
-0.7749
les facteurs
Fonction SCORE définie sur les
indicatrices des variables originelles
constant
0.6071
A ttri bute = V a l ue
Coef.
Constant
0 .6 0 7 1
Motif = AppMenager
0 .3 4 7 8
Motif = Mobilier
-0 .1 3 3 6
Motif = HiFi
0 .0 4 8 9
Assurance = oui
0 .2 0 4 1
Assurance = non
-1 .9 1 3 3
Ex. aMotif=AppMenager = -0.4750 x (0.9750) + (-0.0402) x (-1.3746) + (-0.7749) x (-0.9750) = 0.3478
Ricco Rakotomalala
19
Grille de score via DISQUAL
Grille de score
Attribute = Value
Note (/100)
Moti f = AppMena ger
Moti f = Mobi l i er
Moti f = Hi Fi
As s ura nce = oui
As s ura nce = non
19
0
7
81
0
Au final, la grille de score est très proche de celle de la
régression logistique… ce n’est pas étonnant… ce sont là
deux classifieurs linéaires.
Ricco Rakotomalala
20
Ricco Rakotomalala
21
G. Saporta, « Probabilités, Analyse de données et Statistique », Technip,
2006 ; pp. 462 à 467, section 18.4.3 « Un exemple de ‘’credit
scoring’’ ».
J.P. Nakache, J. Confais, « Statistique explicative appliquée », Technip,
2003 ; pp. 58 à 60, section 2.2.2 « SCORE : construction d’un score ».
Ricco Rakotomalala
22

Grille de score

Transcription

Documents pareils

horsepower

Apprentissage supervisé

MOTIF DE RETARD – D`ABSENCE

Estimation de l`erreur de prédiction

JUSTIFICATIF d`ABSENCE - Collège Notre

Magasin en ligne Coop Brico+Loisirs: formulaire

tuning a lyon

consignes DS

0 800 80 20 18

Je quitte mon logement - Modele de lettre

A5 – Le carrelage d`une cuisine

Régression logistique polytomique